Análisis espacial y fenológico de la vegetación en la cuenca del rio Chira por Teledeteccion
Resumen
El presente artículo forma parte del proyecto
"MONITOREO DE LOS ECOSISTEMAS AGRICOLAS Y NATURALES EN LA
REGION PIURA DESDE LAS TECNOLOGIAS: TELEDETECCION Y SISTEMAS DE
INFORMACION GEOGRAFICA ". El objetivo de este trabajo es dar
a conocer con la metodología utilizada desde
(imágenes de satélite multitemporales LANDSAT y
ASTER) y demostrar la importancia del análisis del
índice de vegetación (NDVI). En este sentido, se ha
logrado establecer patrones fenológicos de
producción y crecimiento para los principales ecosistemas
agrícolas y naturales en la cuenca del rio Chira: bosque
seco de montaña, Bosque llanura, matorral, agricultura y
suelo desnudo y/o desprotegido. Para ello se han analizado y
procesado imágenes de satélite con el fin de
seleccionar áreas de muestreo de valores de
NDVI.
Una vez seleccionados y colectados los valores de NDVI
para las imágenes en distintas fechas, se ha procedido a
analizar el ecosistema (natural o artificial) seleccionado,
utilizando un método de análisis
temporal.
Los principales resultados obtenidos son:
La variación fenológicos de los ecosistemas
(naturales y artificiales) que se corresponden con la
estacionalidad climática de las áreas estudiadas.
En este sentido, la mayoría de los cambios y variaciones
específicas para cada ecosistema son explicados en base a
las características funcionales y estructurales de cada
ecosistema. Los resultados obtenidos pueden servir como insumo
para mejorar el proceso y clasificación de las
imágenes de satélite con el objeto de elaborar
mapas temáticos y contribuir a la mejor toma de decisiones
en cuanto al uso adecuado de los calendarios agrícolas
definidos para cultivos anuales y/o transitorios instalados en la
cuenca. Palabras claves: Imágenes de
satélite, bosque seco, índices de vegetación
NDVI, series de tiempo.
Abstract
Presented study forms a part of the project "MONITORING
OF THE AGRICULTURAL AND NATURAL ECOSYSTEMS IN THE PIURA REGION
USING TECHNOLOGIES: REMOTE SENSING AND GEOGRAPHIC INFORMATION
SYSTEMS". The objective of this paper is to present the
methodology used in the study (multi-temporal satellite images
LANDSAT and ASTER) and to demonstrate the relevance of the
analysis of vegetation index (NDVI). Phenological patterns of
production and growth were established for the main agricultural
and natural ecosystems in the Chira River basin: dry mountain
forest, forest plains, scrubland, agricultural land and bare
and/or unprotected soils. For this purpose satellite images were
analyzed and processed in order to select sampling areas for NDVI
values.
Once the NDVI values were selected and collected for
images of different dates, the selected ecosystem (natural or
artificial) was analyzed, using a temporal analysis method. Main
results obtained are: Phenological variations in ecosystems
(natural and artificial) correspond to the climate
seasonality in the studied areas. Most of the changes and
specific variations in each ecosystem are explained on the basis
of functional and structural characteristics of each one of them.
The obtained results can serve as input for improvement of the
processing and classification of satellite imagery in order to
elaborate thematic maps and contribute to a better
decision-making with respect to the appropriate use of
agricultural calendars for annual and/or transitory crops in the
basin.
Key words: Satellite images, dry forest,
vegetation indices NDVI, time series.
ANALISIS ESPACIAL DE
IMAGENES
INTRODUCCIÓN
La cuenca Catamayo-Chira es una de las más
importantes cuencas binacionales del norte del Perú
constituido por dos importantes ríos. En territorio
peruano: el río Chira y en territorio ecuatoriano: el
río Catamayo, ocupa una superficie de 19 095 km2 de los
que 7162 km2 se encuentran en Ecuador y 11 933 km2
en Perú (ubicada entre las coordenadas
03º40"28" y 05º07"06" de Latitud Sur y
80º46"11" y 79º07"52" de Longitud Oeste). Dentro
de la cuenca y desde un enfoque de desarrollo
agrícola, destaca la ubicación de 2
importantes reservorios (Poechos y San Lorenzo) que sirven
como regulador de las aguas procedentes de la cuenca alta, siendo
los años de 1982, 1983, 1997 y 1998 los que representaron
para la cuenca un serio problema al ser afectada por el
Fenómeno El Niño, caracterizado por lluvias
intensas y consecuentes inundaciones con gran arrastre de
sedimentos generados por la erosión hídrica.
Siendo, el principal usuario del sistema de la cuenca Chira, el
sector agrícola utiliza el recurso hídrico para la
producción de cultivos muchos de ellos con fines de
exportación. De manera progresiva, la demanda de este
recurso se hace cada vez mayor por la ampliación de las
áreas agrícolas, en desmedro de los bosques secos
por el desarrollo de actividades económicas como es el
caso del uso de más de 20,000 ha, para la
producción de etanol en base a cultivos de caña que
genera nuevos conflictos por el destino del recurso
hídrico (Ortiz, 2007).
Asimismo, el incremento en la demanda de
producción de alimentos y la actividad
forestal de carácter extractivo-selectivo
(INRENA, 1995) produce su alteración, por la
pérdida de especies de complicada
regeneración natural (los bosques).
De lo expuesto, la teledetección al considerar
los procesos productivos y ambientales, es una
herramienta importante, al ofrecer una visión
temporal y espacial de la cobertura y desarrollo de la
vegetación (Hobbs 1989; Running 1989). Asimismo por su
aplicación, permite su evaluación y seguimiento del
estado de las cubiertas vegetales y su correlación con
variables climáticas, por lo cual el ritmo de
producción de biomasa verde para cada ecosistema
dependerá de las condiciones ambientales
principalmente del régimen climático (Monasterio y
Sarmiento 1976; Sarmiento 1990). Bajo esta
perspectiva, la teledetección, ha creado una gran
expectativa en la caracterización
biofísica de la vegetación, de ello los
trabajos en esta área muestran relaciones
empíricasentre la información captada
por los sensores (radiancia), y diversas variables
biofísicas [biomasa, índice de
área foliar (IAF), cobertura, etc.]. De otro
lado, los Sistemas de Información Geográfica SIG,
representan una contribución al desarrollo de la
agricultura a beneficio de quienes la trabajan y toman
decisiones.
El objetivo del presente trabajo es determinar desde la
interacción de imágenes de satélite ASTER y
LANDSAT los estados fenológicos de los principales
ecosistemas de un sector de estudio de la cuenca del rio
Chira.
MÉTODOS
Tres imágenes de satélite fueron
adquiridas para el desarrollo del estudio (1 imagen LANDSAT TM
año 2000 con 30 metros de resolución en el
infrarrojo y visible), imágenes Aster del sensor TERRA
(Febrero del 2006 y 2007 con 15 metros de resolución en el
visible e infrarrojo cercano y 30 metros en el infrarrojo medio),
todas ellas imágenes de verano.
Definición
de las estrategias de seguimiento
Para determinar la evolución normal de los
ecosistemas que configuran el paisaje de la cuenca sería
útil construir modelos que establezcan su relación
con variables climáticas. De ello se considera la
línea de trabajo abordada por autores que destacan la gran
dependencia entre el NDVI y la climatología de la zona
(Hielkema et al., 1986, Malo & Nicholson, 1990,
Davenport & Nicholson, 1993), quienes
encontraron correlaciones apreciables entre las
precipitaciones y los NDVI en zonas cálidas.
Asimismo, niveles de clasificación entre las
cubiertas vegetales fueron considerados para comprender los
períodos del desarrollo fenológico de los cultivos
instalados en las fechas adquiridas por el sensor y
su estado mediante el uso del NDVI siendo necesario
su análisis de la tendencia en el tiempo (Chuvieco,
1998).
Índices de
Vegetación y Datos
Como magnitud física primaria, se ha utilizado
tradicionalmente el análisis de reflectividad espectral
que permite identificar rasgos de absorción atribuidos a
la superficie bajo estudio. En el caso de la vegetación,
estos rasgos son debidos principalmente a la presencia de
clorofila, las cuales presentan una baja reflectividad, en el
espectro electromagnético en la región espectral
del rojo (0,62-0,70 µm) y una reflectividad alta en la
región del infrarrojo cercano (0,7-1,1 µm). Es
precisamente este contraste entre ambas regiones espectrales
fundamental para ser considerado como método para
identificar cubiertas de interés y su estado sobre la zona
de investigación que obedece a impactos naturales tanto de
déficit hídrico como por fenómeno del
niño.
De esta manera, los datos de NDVI fueron obtenidos desde
las imágenes LANDSAT (año 2000) y ASTER
(años 2006 y 2007), todas ellas imágenes de verano
en los canales 1, 2 del visible y 4 del infrarrojo.
Luego de haber sido procesadas, corregidas geométrica y
radiométricamente, resumidas en imágenes de
composición (Chuvieco, 1998), se procedió al
cálculo de los índices de vegetación
normalizado y diferenciado (NDVI), definido según (Tarpley
et al.,1984) donde ?nir y
?r son los valores de reflectancia correspondientes a
las longitudes de onda del infrarrojo cercano y del rojo (canales
2 y 1), respectivamente. Por otro lado, las imágenes
resultantes del procesamiento, que originalmente presentan un
formato digital de 8 bits [0,255] (CD), se
transformaron a la expresión real del NDVI [–1,1]
usando el valor correspondiente de ganancia (0,008) y offset
(128), de acuerdo a la siguiente expresión (Agbu y James,
1994): NDVI = (CD – 128) x 0,008
(2)
En la imagen de la Fig. 1, observamos colores desde
diferentes tonalidades que configuran el paisaje del área
de estudio. Desde el color amarillo que indica la presencia de
elevados valores de NDVI (asociados habitualmente a una
vegetación sana o con elevado contenido de humedad), que
hace referencia a los sectores donde se desarrollan las
actividades agrícolas como cultivos anuales y frutales
principalmente. Tonalidades en verde que corresponden a cubiertas
vegetales en estado de foliación, floración y
fructificación como es el caso de los bosques secos y
matorrales en los niveles ralo y muy ralo. Los colores azul
(vegetación de colina y sombra), el color celeste que hace
referencia a suelos desnudos o sectores con una vegetación
arbustiva muy dispersa. Asimismo, el área ocupada por la
represa Poechos, presenta valores negativos y casi nulos
(cercanos a -1).
Análisis
de la Precipitación
Para el análisis y comportamiento de la
precipitación y dadas las condiciones climáticas de
la época donde fueron adquiridas las
imágenes (verano mes de febrero de los años 2000,
2006, 2007), fueron temporalidad de las estaciones
meteorológicas que más aportan información
ubicadas dentro del ámbito de estudio, siendo las
estaciones del SENAMHI de Mallares,
ANALISIS ESPACIAL DE IMAGENES
Partidor, Lancones, Miraflores. Para realizar el
análisis espacial y cartográfico de las
precipitaciones en el tiempo, se crearon bases de datos e
integrados en un Sistema de Información Geográfica
(SIG) para conjuntamente ser analizados con los valores de NDVI y
analizar la influencia de esta variable sobre el estado de las
cubiertas vegetales y a su vez de su correspondiente fase
fenológica.
Métodos de
análisis Espacial
Como herramienta de análisis el uso de
modelos matemáticos permite determinar el
comportamiento y el patrón temporal de la
variabilidad del crecimiento, ciclos de
crecimiento y asociación estacional de la
vegetación (Menenti et al. 1991; Azzali y Menenti 1999).
La metodología aplicada en el estudio, permite realizar un
análisis sencillo de la variabilidad fenológica y
temporal de la vegetación. Utilizando como base el hecho
de que el NDVI es un estimador del vigor y productividad de la
vegetación, en ellos serán considerados los cambios
en la fenología y dinámica de la vegetación
monitoreando la variabilidad temporal del NDVI en los principales
ecosistemas de la cuenca. Para comprender la dinámica
fenológica y su interacción con la
identificación del NDVI son consideradas
"categorías o áreas conocidas" y "densidades" todas
ellas cubiertas representativas donde se localizan ecosistemas
naturales y agrícolas. Para los ecosistemas naturales
fueron identificados (bosque seco de llanura, bosque seco de
colina y matorral), en el caso de los ecosistemas
agrícolas se clasificaron en anuales (arroz y maíz)
y frutales (limón, plátano y mango). Para este tipo
de análisis las cubiertas sin vegetación (centros
poblados, cuerpos de agua, suelos desnudos) no fueron excluidas
dado que forman parte de una categoría única
asimismo por ocupar una importante área dentro del
ámbito de estudio (Tabla 1).
En relación a las "densidades" estas se
consideraron como ralas, muy ralas, densas y
semidensas. En relación a las
imágenes, fueron procesadas y desplegadas
utilizando ERDAS, 9.1 (Sistema de Información
Geográfica especializado en el procesamiento de
imágenes de satélite). Procesa y
analizainformación espacial en formato Raster
y Vectorial. Los valores de NDVI para cada grupo de pixeles
fueron almacenados en una hoja de cálculo para su
análisis. Los valores de NDVI para cada imagen y para cada
área de muestreo fueron manipulados
estadísticamente y calculados desde los siguientes
parámetros: promedio, valores máximos,
mínimos y desviación estándar. Los valores
promedios, máximos y mínimos de NDVI para cada
área de muestreo de las diferentes categorías de
los ecosistemas, fueron desplegadas en una gráfica cuyo
eje x muestra la secuencia temporal de las imágenes en
orden cronológico y el eje y los valores de
NDVI.
Cada una de las gráficas según el tipo de
ecosistema fue analizada eliminando las
imágenes desde los valores de NDVI muy
bajos (problemas de la imagen sin un patrón definido
de cambios (Groten 1993a, 1993b); o las imágenes con
valores diferentes a 1 en áreas de control (agua) que
deberían mostrar el valor 1 para NDVI. Asimismo, fueron
chequeadas cada una de las imágenes de manera visual para
descartar problemas radiométricos no detectados en la
selección de pixeles. Se ajustaron los puntos de las
gráficas a una curva de tendencia tipo media móvil
con período 2, obteniendo los modelos de variación
fenológica para cada ecosistema identificado.
Áreas de
muestreo seleccionadas
En la Tabla 2 se presenta la descripción de las
áreas seleccionadas para cada categoría
identificada. El muestreo aleatorio fue empleado en la
localización de aquellas áreas representativas y
almacenada dentro de una base de datos en un SIG,
asimismo el conocimiento personal del área de
estudio sirvió de apoyo para el desarrollo de
esta etapa.
El presente texto es solo una selección del trabajo
original.
Para consultar la monografìa completa seleccionar la
opción Descargar del menú
superior.